En liste i Python er en lineær datastruktur, der kan indeholde heterogene elementer, der ikke skal deklareres, og som er fleksible til at krympe og vokse. På den anden side er et array en datastruktur, der kan indeholde homogene elementer. Arrays implementeres i Python ved hjælp af NumPy bibliotek. Arrays kræver mindre hukommelse end lister . Ligheden mellem et array og en liste er, at elementerne i både array og en liste kan identificeres ved dens indeksværdi.
Eksempel
Input: [1, 7, 0, 6, 2, 5, 6] Output: [1 7 0 6 2 5 6] Explanation: Given Python List is converted into NumPy Array>
Konverter Python List til Numpy Arrays
I Python , kan lister konverteres til arrays ved at bruge to metoder fra NumPy-biblioteket:
- Brug af numpy.array()
- Ved brug af numpy.asarray()
Python-liste til NumPy-arrays ved hjælp af numpy.array()
I Python er den enkleste måde at konvertere en liste til et NumPy-array ved at bruge numpy.array()-funktionen. Det tager et argument og returnerer et NumPy-array som et resultat. Den opretter en ny kopi i hukommelsen og returnerer en ny matrix.
Python3
indstillingsmenu for Android
# importing library> import> numpy> # initializing list> lst>=> [>1>,>7>,>0>,>6>,>2>,>5>,>6>]> # converting list to array> arr>=> numpy.array(lst)> # displaying list> print> (>'List: '>, lst)> # displaying array> print> (>'Array: '>, arr)> |
>
>
konverter fra char til int java
Produktion:
List: [1, 7, 0, 6, 2, 5, 6] Array: [1 7 0 6 2 5 6]>
Python-liste til NumPy-arrays ved hjælp af numpy.asarray()
I Numpy, numpy.asarray() er en funktion, der konverterer inputdata til NumPy-array. Det tager et argument og returnerer et NumPy-array. Det opretter ikke en ny kopi i hukommelsen.
Python3
forskel på løve og tiger
# importing library> import> numpy> # initializing list> lst>=> [>1>,>7>,>0>,>6>,>2>,>5>,>6>]> # converting list to array> arr>=> numpy.asarray(lst)> # displaying list> print> (>'List:'>, lst)> # displaying array> print> (>'Array: '>, arr)> |
>
streng til int i java
>
Produktion:
List: [1, 7, 0, 6, 2, 5, 6] Array: [1 7 0 6 2 5 6]>
Forskellen mellem numpy.array() og numpy.asarray()
Den afgørende forskel mellem de to ovenstående metoder er, at numpy.array() vil lave en duplikat af det originale objekt, og numpy.asarray() ville afspejle ændringerne i det originale objekt. Når en kopi af arrayet er lavet ved at bruge numpy.asarray(), vil ændringerne i det ene array også blive afspejlet i det andet array, men viser ikke ændringerne på listen, hvis arrayet er lavet. Dette sker dog ikke med numpy.array().
Python3
definere computer
# importing library> import> numpy> # initializing list> lst>=> [>1>,>7>,>0>,>6>,>2>,>5>,>6>]> # converting list to array> arr>=> numpy.asarray(lst)> # displaying list> print> (>'List:'>, lst)> # displaying array> print> (>'arr: '>, arr)> # made another array out of arr using asarray function> arr1>=> numpy.asarray(arr)> #displaying arr1 before the changes made> print>(>'arr1: '> , arr1)> #change made in arr1> arr1[>3>]>=> 23> #displaying arr1 , arr , list after the change has been made> print>(>'lst: '> , lst)> print>(>'arr: '> , arr)> print>(>'arr1: '> , arr1)> |
>
>
Output:
List: [1, 7, 0, 6, 2, 5, 6] arr: [1 7 0 6 2 5 6] arr1: [1 7 0 6 2 5 6] lst: [1, 7, 0, 6, 2, 5, 6] arr: [ 1 7 0 23 2 5 6] arr1: [ 1 7 0 23 2 5 6]>
I arr og arr1 er ændringen synlig ved indeks 3, men ikke i 1.